文摘
无人驾驶飞行器(无人机)被广泛使用在许多应用程序中,很多军事对抗的环境中任务正在进行无人机群而不是人类由于其优势。在对抗的环境中,无人机群的可靠性和可用性将无人机的主要问题,因为脆弱,所以增加任务分配算法是非常重要的。在本文中,我们提出了一个新颖的增加框架将实时任务分配给无人机对抗的环境中与动力。不同于现有的调度方法,我们不仅分配任务,而且备份副本任务的无人机在需要的时候,以促进可靠性。与此同时,我们采用一个重叠的机制,包括Backup-Primary Backup-Backup重叠,重叠在作业保存群资源有限。的基础上增加和重叠机制,第一次,我们建议增加一个新的名叫DTTA任务分配算法,旨在促进任务成功概率。广泛进行的实验是基于随机合成工作负载比较DTTA三基线算法。实验结果表明,DTTA可以有效地促进任务的成功的概率,而不影响成群在对抗环境下的有效性。
1。介绍
随着机械技术的发展,自动化技术,人工智能,无人机(uav)变得越来越有能力在不同的行业。由于它的低成本,没有人员伤亡的风险,和良好的可操作性,它被广泛应用在许多场景中近年来取代手工任务,例如,遥感(1],精准农业[2],救灾[3),和物流服务4]。特别是在军事行动,无人机正在取代勇士承担越来越多的工作(5),显示隐藏的巨大优势,生存能力和多样化的功能。此外,无人机的大规模使用,命名为群,带来了战斗发电的新方法(6]。
在无人机群的应用,如何分配任务是极大地影响性能的一个关键因素。作业过程的主要问题是如何有效地分配任务到达适当的无人机,考虑的任务要求,时间限制,功能需求,无人机实时状态(7]。此外,无人机群管理的复杂性将增长规模大幅增加。这是因为任务分配优化的计算量与无人机的数量成指数增加。特别是在战场上(8,9],无人机的破坏性,疲软的通讯条件,和不确定性环境(10不应该被忽视。应该注意的是,损害认为本文包含各种各样的异常条件会导致任务执行的失败。因此,对抗环境中任务分配过程将面临两个主要挑战除了常规约束:一是无人机可能受损,应该重新分配和任务;另一个原因是,实时要求和疲软的通信条件将延期后的发生破坏性不可行。
随着实时重新分配方法不可行,另一个解决方案是可以容忍无人机的任务分配计划破坏问题;也就是说,调度计划应确保损坏的无人机的任务成功完成尽可能多的,这可以通过使用多个副本的任务在不同的无人机。增加机制来源于研究容错调度,其中主和备份模型是最常用的方案11]。
然而,无人机群的增加问题具有明显的差异:通信信道通常不稳定,对无人机的任务通常有不同的位置,和异构无人机通常有不同的功能。这些特性使它很难研究无人机群的容错机制。
我们所知,很少有研究关注的增加问题无人机群对抗环境中的应用程序。和传统的容错任务算法不能适应对抗无人机群的场景。因此,我们尝试提出增加机制的基础上增加传统的容错方法,给分配算法对抗环境中的无人机群。本研究的主要贡献总结如下:(我)我们设计了一个新的增加分配框架,包括增加模型和机制(2)资源节约,我们研究了重叠模型,模型的性质进行了详细分析(3)我们提出了一个增加算法(DTTA)对无人机任务分配成群在对抗的环境中,其中包括Backup-Primary (BP)重叠和Backup-Backup (BB)重叠机制(iv)我们进行了大量的仿真实验,验证提出的增加机制和算法的有效性
剩下的纸是组织如下。节2在文献中,我们总结了相关工作。给出的定义和增加模型部分3。和部分4说明了增加机制。节5,增加任务分配algorithm-DTTA-is详细给出。这是紧随其后的是实验和性能分析6。最后,我们总结部分的研究和未来的发展方向7。
2。相关的工作
在本节中,我们将总结相关文献从三个相应的方面:分配算法,增加机制,重叠的机制。
分配算法,许多研究人员已经开发出有效的策略合作无人机。一般来说,调度算法可以分为两类:集中式和分布式的方法。所讨论的Shumacher [12),集中研究了无人机任务调度方法,作者解决了利用混合整数线性规划方法优化问题。刘和Kroll [13旨在解决multirobot任务分配问题,他们开发了一种subpopulation-based遗传算法通过使用反转突变和选择。其他集中式算法,如蚁群优化(14)、遗传算法(15[],狼群算法16)也显示效果为multirobot系统在解决任务分配问题。虽然集中在优化算法展示优势,巨大的实时通信的压力中心和计算的复杂性限制其性能。和分散的方法正变得越来越受欢迎的在面对动态任务和不确定的环境。金等。17)开发了一个基于他们提出的分布式任务分配方法衡量资源的福利。该方法可以获得全球高资源福利和快速攻击响应无人机团队利用有限的资源平衡。如前所述(7),作者旨在产生一个令人满意的解决方案在合理的时间内,而不是在不可接受的找到全局最优解的时间,他们提出了一种新的分层方法解决多个无人机团队任务分配问题,作业过程分为两个阶段:集群和分配集群。实验结果发现其智能机器人应用的有效性。除此之外,还有许多其他的模型,如合同净(CN) [18),分散的马尔可夫决策过程(Dec-MDP) [19],市场拍卖机制[20.),和动态蚁群的分工(DACLD) [21]。然而,对于战场动态任务在对抗的环境中,这些模型和算法都很弱在某些点;他们没有采取破坏性的无人机无人机和异构问题时做的任务分配。
增加的机制,很少有研究。然而与无人机的容错机制相关的一些文献可以发现,这类似于增加的方法。研究人员主要关注容错控制机制在无人机的应用22,23]。在[24),玉等人提出了一个容错控制的解决方案对无人机的驱动器故障。和故障场景发生在致动器,所以容错方法只可以用来处理错误的行为水平。为了解决更复杂的容错问题,提出了一种多级重构框架的无人机(25,作者试图适应断层不同层次的问题。在无人机演示基于一个完整的六个自由度的非线性仿真模型,识别效果。值得注意的是,错误控制机制只关注单个无人机的问题。至于无人机群、容错机制尚未研究。
在本文中,我们将采用复制技术实现损伤对无人机群的容忍度。基于复制、分配算法试图为提高可靠性分配的副本任务。主要用于容错模型主备份模型(11,26),任务会主复制和备份,以防遇到失败。通过使用复制,备份副本将会消耗更多的资源,导致穷人无人机的效率。为了减少额外的备份资源为代价,重叠机制被许多研究人员研究。通过使用重叠模型,资源节约的备份可以重叠的其他任务。依赖任务的备份重叠的研究(27],作者设计了一个容错调度算法在异构系统中。和其他地方如前所述28,29日),一个重叠模型识别也是一个有效的机制来促进资源的利用率。
我们所知,很少有作品研究分配算法,增加机制,重叠的协作模型。因此,我们建议DTTA对抗的环境中促进任务的成功概率,没有损害无人机的效率。
3所示。定义和系统模型
在本节中,我们首先介绍本文中所使用的符号。然后,我们现在的任务模型和无人机模型。此外,智能群组成的无人机任务分配框架了。最后,我们将介绍分配目标。
3.1。主要的符号
在表1,我们总结本文中采用的主要符号。值得注意的是,是一个小数用于指示执行无人机面临的风险水平,和价值的通常是在0和1之间。时间的价值是由一个正实数,模拟我们设置初始时刻0,时间的单位为秒。例如,如果该值是5,这意味着这个任务将抵达5 s的时刻;如果该值的是10.2,这意味着这个任务应该最迟在10.2秒完成;如果该值的是1500,这意味着无人机的飞行持续1500秒;如果该值的是36,这意味着无人机呢会很忙直到36年代完成它的任务列表;如果该值的是3,这意味着无人机呢应该花上3秒执行任务 。如果该值的是10,这意味着无人机需要花10秒钟做好准备执行任务完成后任务列表的最后一个任务。
3.2。任务模型和无人机模型
在本文中,我们选择三种代表性的任务,是侦察任务(30.),惊人的任务(31日),和损失评估任务(32增加),分别研究任务分配算法。我们假设所有无人机起飞底部,以及每个无人机的起飞时间是由它的第一个任务分配。
我们使用一组 表示不定期地到的实时任务。被指派的任务是进口的指挥官,耦合任务的分解过程可以处理;因此,我们假设要调度的任务是独立的。此外,无人机在战场上的资源将面临复杂的对抗环境和疲软的通信环境。这将是难以安排任务在一个先发制人的模式,需要可靠的实时状态参数。因此,任务集无优先的和独立的策略来模拟无人机任务在对抗的环境中。
我们模型的任务 作为一个元组 ,在哪里 , , , , ,和代表任务任务类型,到达时间,截止日期,任务执行的位置,任务执行environment-threatened价值,和补充教学,分别。值得注意的是,任务类型可以侦察、引人注目,或者损失评估的任务。
让 一套无人机无人机被建模为一个元组吗 ,在哪里 , , , , , ,和表示无人机的持续时间、飞行速度、能力类型设置,完成时间上分配的任务,最后的位置分配任务,保持惊人的资源,和总飞行时间,分别。应该注意的是,的能力类型可以侦察能力或引人注目的能力和损伤评估能力。的元素代表了惊人的资源仍在 ;时的值= 0,这意味着无人机呢不再能承担的任务。此外,用于指示的总飞行时间吗 ,当无人机在对抗环境受损,代表着时间从起飞到终点的时刻去年成功执行的任务;否则,是时候从起飞到着陆。
还有许多其他参数相关的无人机,和任务应该详细说明。把图1作为一个例子:是最后在无人机任务需要处理吗的任务列表是被分配一项任务。我们使用表示无人机的准备时间执行任务 ,主要指的是飞行时间从职位定位 。值得注意的是,将从无人机基地位置指的是飞行时间任务执行位置当没有任务被分配给无人机 。我们使用和代表准备开始时间和执行任务的开始时间在无人机 ,其中意味着准备过程的开始时间。的参数是用来表示状态的备份任务 ,和它的价值将在第4部分中描述。的是最后一个任务的完成时间,分配给无人机呢 ;把图1作为一个例子:的价值等于之前的任务分配的价值等于后任务。此外,在分配过程中这些参数之间的关系可以被描述为方程(1),这些参数可以在表中找到1。
3.3。任务分配框架
在对抗作战环境中,各种威胁因素(敌人的火力,高电磁环境,恶劣的自然环境,等等)很容易使无人机的任务失败。为了提高任务成功率,我们设计了一个新的任务分配框架,如图所示2。
不同于其他无人机任务分配框架(21),我们使用任务备份提高任务的成功概率。我们可以看到在图2生成的任务指挥官,谁将设计根据战斗作战行动的目的,卫星观测,和无人机侦察。当一个指挥官输入任务分配系统,任务管理器会分析相关参数和选择可用的无人机作为候选人。然后,任务调度器会分配任务的主要复制到一个适当的无人机,和备份的副本任务,如果需要,将安排在此期间。有两个主要原因我们选择备份机制而不是实时破坏后重新分配,一个是可用的无人机可能被其他任务之前与宽松的时间限制损害发生的时候,另一个是疲软的通信条件不支持实时重新分配的要求实时状态参数。
备份副本备份控制器需要管理任务。在作业过程中,是否需要一个任务的备份是由环境决定的任务,这是因为无人机在更具威胁的环境中有更高的概率被敌人破坏;因此,备份是必需的。在管理过程中,备份控制器将取消备份当主副本已经成功执行,在其他情况下,备份将不会取消,直到其执行。
无人机,他们收到任务从任务分配系统信息和报告他们的系统状态信息。此外,无人机将提供情报信息为战场指挥官的计划。
3.4。损伤模型
在我们的研究中,我们关注的战斗损伤无人机在对抗的环境中。如果一个无人机在执行过程中,受损的任务无法完成列表。在我们的研究中,我们应用一个备份机制来战场任务来促进他们的成功概率。
此外,破坏性检测机制像失败的信号28,33)是存在于无人机、报告对无人机战斗的损失。此外,新来的任务不会被分配到一个已知的受损的无人机。
至于破坏概率的无人机执行任务 ,可以通过方程(模拟值2根据下面的分析)。破坏概率值有正面与执行时间之间的关系,同时它有一个负面与速度和environment-threatened价值之间的关系。和参数用于线性调整。
在这篇文章中,我们将首先分析无人机之一两个相关的损害(主要和备份关系)无人机。然后,我们将扩展模型multi-UAV赔偿。,将讨论multidamage场景的机制破坏公差。
破坏模式会忽略一些不重要的因素对实际的场景。这是因为我们的论文是一个原始创新基础研究对无人机在对抗的环境中,增加的问题,我们关注的是增加的机制和规则的问题。进一步的研究将考虑一个更复杂的场景和考虑更复杂的因素。
3.5。任务目标
在我们的研究中,我们关注对抗环境中的无人机的任务分配过程。这样的一个场景是,无人机的特点可能被敌人破坏,使任务容易失败,无人机可用资源通常是有限的。因此,我们考虑一个备份算法推广成功的概率。的主要目标是容纳尽可能多的战场任务,实现异构无人机的利用率更高。此外,我们研究了备份机制来节省资源重叠使无人机尽可能高的利用率的情况下确保任务成功。
的首要任务目标建模公式(3)是最大化成功分配的任务在时间约束下的数量。
至于利用无人机,值越高,越好。我们描述的目标
上述方程表明,增加我们的作业计划必须瞄准调度多个任务为成功执行无人机在复杂的约束条件,实现更高的资源利用率。
4所示。增加的机制
处理这个问题,无人机可能损坏在对抗的战场环境中,任务备份机制是用于我们的工作损害宽容。备份机制的主要思想是,一个到达任务可能有一个备份,这是由environment-threatened决定的条件,在另一个无人机的破坏问题。此外,备份重叠的方法,其中包括Backup-Primary (BP)重叠和Backup-Backup (BB)重叠,是用于保存无人机资源。这是因为任务备份副本的相当大的部分只占无人机时间段但不要过程无人机破坏概率不是很高。
4.1。BP重叠模型
结果和讨论可能单独提出,或在一个部分相结合,可以被分成部分。
把图3作为一个例子来说明备份和BP重叠模型。反斜杠矩形代表任务的备份 。应该注意的是,主复制和备份的准备时间会有所不同;这是因为候选人无人机的位置是不同的。如图3的部分,和同时在时间轴是重叠的。
设置之前,我们首先分析了情况,最多一个损坏的问题发生在一定的时间段,所以会有无人机在图4例3:(我)如果无人机 , ,和遇到没有损坏,将成功处理,备份副本吗将被取消。此外,一个时间段的被将被释放,任务将被执行。最后,和将成功地执行和备份的副本将被取消,没有任务冲突(2)如果无人机遇到一个损害问题在时间槽,任务会失败,导致备份的情况吗公差应该处理损害。因此,任务将被取消,备份任务将被执行。最后,任务和将成功执行的情况吗的被破坏,没有任务冲突(3)如果无人机遇到一个损害问题在时间槽,任务会失败,任务和任务将成功处理。最后,任务和将完成的情况的被破坏,没有任务冲突(iv)如果无人机遇到一个损坏的问题,任务和任务将成功完成,任务和任务将被取消。在的情况被损坏的,任务和会成功,没有任务冲突
进一步,更复杂的情况是,不止一个损坏的问题发生。当和遇到损害问题在一定时间段,任务 , ,和会失败,但会成功。同样,在其他情况下,只有两三个无人机在图3遇到一个损坏的问题,两个任务的成功。只有在 , ,和遇到损害同时在某一时间段,两个任务都失败。正如上面所讨论的,重叠模型可以有效地促进与一些额外的无人机的任务成功概率资源为代价。
因此,英国石油(BP)重叠模型是有效破坏公差。
4.2。BB重叠模型
类似于BP模型,我们举个例子BB重叠模型图4。反斜杠矩形上下轴代表备份副本的任务和 ,分别。和两个备份任务重叠增加时间槽。
至于,最多一个损坏的问题发生,我们认为的破坏问题四个条件:(我)如果无人机 , ,和飞行安全、任务和任务将执行,他们的备份副本将被取消。此外,没有任务就会发生冲突(2)如果无人机遇到一个损害问题在时间槽,任务会失败,任务和任务将被执行。最后,任务和在的情况会成功吗的破坏,没有冲突(3)如果无人机遇到一个损坏的问题,任务和任务将被执行。最后,任务和将完成的情况的被破坏,没有任务冲突(iv)如果无人机遇到一个损坏的问题,任务和任务将成功完成,任务和将被取消。在的情况被损坏的,任务和会成功,没有任务冲突
multidamage情况的复杂情况,分析类似于BP重叠的部分。
因此,考虑无人机的备份副本可以重叠的利用率和BB重叠模型是有效对抗环境破坏问题。
4.3。重叠模型的基本性质
基于该模型,我们首先介绍一些基本性质表明,重叠机制应该满足一些约束。
属性1。我>无人机执行主复制必须不同于无人机相应的备份在哪里分配。
财产1表明,备份和初级副本不应将相同的无人机。这是因为当一个损害问题发生在无人机上,备份和主副本将被取消,导致任务的失败。也就是说,破坏公差不会在这种情况下工作。
属性2。我>备份的准备开始时间应该比终点时间晚吗的完成时间最后一次执行任务。
财产2表明,相同的备份和初级副本任务就没有重叠在时间轴上。原因在于,不同的任务通常是在不同的位置;备份任务的开始强烈影响无人机的新来的任务响应时间(几乎可以预测何时会发生破坏;因此,没有无人机位置可用于分配),导致任务占用的情况下两次无人机资源,这并不符合我们的想法实现更高的无人机的效率。所以我们设置备份的开始时间晚于结束时间的主复制。另一个想法中描述的属性2是备份的开始时间应晚于无人机的最后一次执行任务;因为资源不能进行两个不同的任务在同一时间。
财产3。我>任务可以分配给无人机呢当且仅当类型可以满足的能力任务类型的需求。
方程(7)表明,无人机的能力类型必须满足任务类型要求的所有任务分配给它。
性质4。我>任务的主副本可以当且仅当重叠与其他任务的任务备份副本。
在我们的工作中,不是所有的任务都有备份在考虑资源的效率。当= 0,这意味着没有备份吗 ,和主副本必须执行完全在进行无人机。因此,不能重叠与其他任务。
属性5。我>如果主复制与一个备份副本在无人机 ,然后开始准备时间必须早于 。
根据备份任务重叠机制,属于一种可能被处理的任务,它必须开始失败后其相应的首要任务。然而,主副本任务属于一种任务,不能暂停,除非损害发生。也就是说,一旦主副本任务已经开始,它将占据无人机,直到其完成时间。如果是晚于 ,备份副本是没有意义的,因为任务会占据直到其完成不管失败或没有。把图5作为一个例子说明。
如果遇到一个损坏的问题,任务会失败和备份任务需要被执行。然而,任务已经占领了无人机 ,做任务失败的开始。结果,任务计划不能容忍损害的问题。因此,开始准备时间必须比早些时候吗 。
财产6。我>如果 ,然后不能重叠 。
如图6,我们给反证法。假设无人机承担的任务和任务和任务与任务在无人机 。考虑一个情况,执行任务时遇到一个破坏性的问题 ,任务会失败,任务开始,主要任务失败是因为重叠。此外,任务也会由于失败的损害。因此,任务作业计划失败,不能处理的损伤问题 。
财产7。我>如果 ,然后不能重叠 。
也就是说,当主副本两个任务被分配到相同的无人机,然后他们的备份副本不能重叠。房地产可以见图7。
如图7, ,和与 。当无人机受损,和会失败,导致这两个条件和需要被执行。然而,和重叠在同一个无人机;一次发生冲突。因此,不能重叠在这种情况下, 。
应该注意的是,每个七属性不得违反任何时候;否则,重叠机制可能无法有效应对破坏性问题,从而影响了成功执行的任务。
5。增加任务分配算法
基于备份机制和重叠模型,提出了一种新颖的增加任务分配algorithm-DTTA-for非周期和独立任务无人机在对抗的环境中。特别是DTTA明智地考虑调度目标只要破坏公差。在本节中,主复制和备份分配算法。
5.1。主副本分配算法
很容易被人知道,主副本需要尽早完成为了无人机利用率,如果它有备份,留下足够的时间的备份副本。除此之外,主要的副本应该是分成几个无人机根据财产7,这将使重叠机制更为可行。因此,主副本任务应该努力两个目标:(我)最早的完成时间(2)甚至加载多个无人机
此外,该分配方法应说明。如图8对每个主复制,它可以分配在两种模式。像任务 ,主复制可以分配给一个无人机,没有重叠。此外,主副本可以分配给无人机和重叠与另一个备份 ,如果有一个备份。重叠的方式可以促进利用无人机,并留下更多的资源对于后者的任务,优先使用第二种方式。
在算法1,我们现在主要的分配算法在DTTA副本。算法1首先考虑任务之间的距离和无人机,选择最近的转让(见1 - 6行)。对于每一个无人机在候选集,算法1将计算任务的最早完成时间的重叠模式的前提无人机可以重叠最后一个任务。重叠的资格environment-threatened价值决定的事实大于阈值,然后呢的最后一个任务是一个备份,备份不重叠的条件(见行地位)。为了获得无人机的负载平衡,最早完成时间在一个不重叠的方式将计算比较,最后算法获得较早的完成时间(见16行)。在第22行,如果算法找到了一个合适的无人机和相应的备份可以安排的基础上吗最早的完成时间,会发生重叠的分配模式。它将<我>AllocateTag我>是真的,任务及其备份将被分配,和算法1终止的另一个任务(参见汽车行)。如果重叠作业的尝试失败,它不重叠的模式(参见28行)。如果不重叠的任务尝试成功,任务将安排在不重叠的模式(见29 - 30行),和备份的副本吗将被分配根据是否需要(见行33节);然后算法1终止的另一个任务(见第34行)。如果任务失败被分配在两个重叠的模式和不重叠的模式,候选人无人机将会成为下一个更新最近的无人机(见35行),将开始新一轮分配尝试。如果任务失败后被分配所有的无人机已经扫描,任务是被拒绝(见36 - 37行),和算法1另一个任务终止。值得注意的是,一个任务可以被指定在一个重叠的方式只有当其备份可以被分配(见第22行)。原因是一个任务必须有一个备份的时候与其他任务。在不重叠的分配模式,任务会分配其备份如果需要,和备份指定的失败不会导致主要任务的失败。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
5.2。备份副本分配算法
备份副本,分配偏好是不同的。作为增加机制说明之前,提前完成任务的时间将推动相应的备份的成功概率 ,但是备份没有这样的偏好。因此,备份的分配主要考虑无人机之间的距离和负载平衡,而不是最早完成时间。
类似于图8备份副本的分配也有两种模式,即重叠模式和非重叠模式。算法和算法2。
从代码中,我们可以看到,行1 - 6相同的算法1,解释是相似的。8号线是确保所有无人机将被扫描任务之前被拒绝。在第9行,我们对候选人进行排序的无人机完成任务;原因是分配给无人机的任务应该尽可能甚至更高的无人机的利用率。机线意味着将在重叠模式首先被分配的任务。与其他任务,如果任务失败重叠不重叠的模式是用于分配(见年龄在18岁至25岁之间的行)。26 - 27日行意味着如果分配已经成功了,它将扫描循环结束。28行用于更新候选人无人机上设置条件,现有候选人无人机不能满足任务的需求 。当所有无人机已经扫描,任务没有分配,将被拒绝。
值得注意的是,第22行算法1将确保备份成功分配。的备份在第32行)的算法1可能会被拒绝在某些情况下,由无人机的状态决定。这个设置的原因是,重叠作业的备份是一个先决条件,但备份副本只是一个最优的目标,而不是先决条件的不重叠的模式。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
6。绩效评估
在本节中,我们进行仿真实验来验证该algorithm-DTTA的有效性。我们比较了三种基线算法:Non-BPoverlapping DTTA (NBPDTTA) Non-BBoverlapping DTTA (NBBDTTA),和没有备份的,没有重叠(NBNOTA)任务分配算法。
NBBDTTA被移除BP算法来源于DTTA重叠机制和NBBDTTA DTTA的变种通过移除BB重叠机制。区别NBNOA DTTA是没有备份和DTTA重叠机制。
我们的性能指标,评估算法的有效性,包括:(我)TGR(任务保障比率)是定义任务,成功的比例在所有到达任务。TGR用于评估目标方程(3)(2)ETR(执行时间比)定义的任务执行时间的百分比在无人机的飞行时间。ETR用于评估目标方程(4)(3)博士(危害比)是定义为受损的比例在所有无人机无人机
6.1。仿真设置
为了保证实验的可重复性,我们选择仿真来验证提出的算法的有效性。给出了详细的设置和参数如下:(我)最初的无人机的数量将是300(2)任务区域是长方形的 。无人机起飞基地的位置(0,0),和生存无人机必须回到基地(3)每个无人机有一个或两种能力,选择从集{<我>侦察能力我>,<我>惊人的能力我>,<我>损伤评估的能力我>}。最初的惊人的资源设置为5,这意味着一个无人机可以承担主要5惊人的任务(iv)无人机将的最大速度 根据目前的技术(34](v)到达的任务系统动态任务分配,遵循泊松分布与平均内部时间 (vi)执行时间遵循均匀分布模式,执行时间的价值是取决于他们的类型。之间进行侦察任务,en的价值(15、25)和惊人的任务~(25、35)评估任务en ~(35岁,45岁)(七)我们使用参数BaseDeadline设置任务的最后期限 ;公式如下: 在参数和表示最后期限时间和到达的时间 ,和BaseDeadline遵循均匀分布区间 (八)价值将20当到达分配主要和备份任务吗(第九)价值将0.2到达损伤概率的计算任务时,这意味着一个任务的最大破坏概率是20%吗
实验主要包含四组,分析备份和重叠机制的有效性,DTTA的性能参数的变化趋势 , , ,其中上面可以找到。和这些参数表中列出的间隔2。
6.2。性能随着时间变化
在这个实验中,我们研究四种算法的性能,实验时间不同。应该注意的是,时间变化主要影响无人机的数量,由于一个损坏的问题。在这组实验中,任务被分配在四种模式,即根据DTTA决定,NBPDTTA, NBBDTTA和NBNOTA分别。图9显示的四个算法的性能<我>TGR我>,<我>ETR我>,<我>博士我>。
(一)
(b)
(c)
它可以看到从图9(一个)所有四个算法的破坏性比随时间迅速增加。100年代的时候,损害率达到15%。800年代的时候,损害率平均达到78%条件下最大破坏概率是20%当执行一个任务。这意味着将近240无人机的最初300无人机损害他们的任务执行时间是800年代。原因可以总结,破坏概率的数量呈指数增长的任务。结果,实验表明,在战场上损害的问题不容忽视。
从图9 (b),我们可以观察到DTTA及其派生算法实现更高的性能比NBNOTA近12%。我们可以把这种现象归因于这样一个事实:增加机制做出了的贡献。此外,我们可以看到,TGR缓慢下降在500年代和500年代之后迅速减少。原因是生存无人机将成为与时间越来越少。在500年代之前,生存无人机能满足任务的需求,因此TGR只下降缓慢。然而,到达任务的无人机的生存是不够的在500年代之后,TGR将会迅速减少。另一个现象,可以看到从图9 (b)是NBBDTTA TGR的下降速度比TGR DTTA NBPDTTA,这意味着BB重叠模型实现更高的性能比PB模型缺乏无人机的资源。的原因是,无人机在沉重的负担时,无人机可能遇到更首要任务取消由于无人机损害问题在英国石油公司模式中,取消的连锁反应会导致资源浪费。但在BB模型中,只有备份副本是重叠的,没有这样的连锁反应会影响DTTA和NBPDTTA的性能。我们也可以发现NBNOTA将达到800年代后比别人更高的性能;这是因为备份机制和重叠模式不适合满载环境。可以解释如下:肯定会备份机制,虽然不多,带来资源的额外费用,保证任务成功概率。无人机在满载时,最好是无人机拒绝一个备份和接受新任务的原因没有额外的资源消耗。所以我们可以做一个结论DTTA并不适合满载无人机。
我们从图可以观察到9 (c),etr四个算法之间的差异非常小。这意味着该算法可以实现更高的任务成功率在不损害无人机的效率。图中可以看到9 (c)ETR会随着时间慢慢成长。这是由于这样的事实,有更少的无人机生存,导致每个无人机应该承担更多的任务,所以ETR会更高。和增长缓慢的原因是,某一部分时间用于过渡任务之间的位置。此外,ETR NBBDTTA小于DTTA的NBPDTTA。原因的解释NBBDTTA下降速度在图的一部分9 (b)。至于ETR的价值,它不能达到近100%;原因是飞行在不同任务之间的位置将占据无人机的使用时间。
从图我们可以得出这样的结论9,该算法有效地提高无人机完成任务的性能在对抗的环境中,没有损害无人机的效率。和DTTA可以表现得更好在无人机不满载状态。此外,BB重叠将实现更高的性能比BP在重负载条件下重叠模式。
6.3。到达率的性能影响
在这组实验中,我们关注DTTA到达率对性能的影响,NBBDTTA, NBPDTTA。参数从1到7的增量变化1。实验结果图中可以看到10。
(一)
(b)
从图可以看出10 ()损害率随着增加而增长 。原因是,当的价值变得更大、更任务将到达一个特定的时间槽,导致每个无人机需要执行多个任务的条件。因此,损失的风险会增加,博士。
结果在图10 (b)证明的价值增加,TGR的算法将慢慢减少 并迅速下降。我们解释这种现象如下。当之前 ,无人机还没有达到满载,他们可以接受一些任务执行,因此,TGR只有慢慢减少。当后 ,更多的任务会在某个时间段,资源和现有无人机将远远低于需求,导致这一事实无人机别无选择拒绝大部分到达任务,所以TGR迅速下降。DTTA性能的一个有趣的观察是,NBBDTTA, NBPDTTA高于NBNOTA之前 ,和NBNOTA会表现得更好 。这是由于这样的事实:DTTA及其派生算法不适合重负荷条件下,这是与解释在图一致9 (b)。除此之外,我们可以看到,该DTTA执行比NBBDTTA和NBPDTTA时的价值 从1到4不等。因此,在合适的条件下,提出DTTA无疑是有效的。
因此,我们可以从图的结论10这个参数主要影响无人机群的负荷状态。当没有面临一个满载环境,DTTA可以执行稳定比其他算法的变异 。
6.4。性能的影响的最后期限
我们调查的影响任务的期限对DTTA的性能。参数 ,可以发现在方程(8),从1到7的增量1。
图11显示,当最后期限很短,DTTA, NBBDTTA, NBPDTTA NBNOTA实现非常相似的性能。我们可以把理由的事实任务无法安排备份副本由于短的期限。当最后期限更长,所有算法的性能迅速提高,但DTTA增长更快。这是因为备份机制使其贡献。和DTTA可以执行比NBNOTA近7%的价值达到4。然而,随着的增加4的值后,会保持相同的性能。原因是,当备份机制已达到它的潜力,更长的期限是毫无意义的性能提升。
从图我们可以得出这样的结论11截止日期会影响性能的DTTA只有当最后期限是足够短影响分配的成功备份副本。
6.5。性能的影响备份阈值
在这组实验中,阈值的影响备份或不将研究。结果呈现在图12。
它可以被观察到的性能DTTA, NBPDTTA, NBBDTTA将改变的变化 。然而,NBNOTA稳定的性能。原因是不适用NBNOTA备份机制,和的值不会影响NBNOTA下任务的调度。此外,DTTA将达到最高性能的价值是0.5。我们可以把这种现象归因于,当比适当的值小,太多的备份会带来额外的资源为代价,当比适当的价值,备份太少会使重叠机制和备份机制不能发挥他们的潜力。显然,正确的价值是0.5的实验设置下。
图中发现的另一个现象12是DTTA及其派生算法比NBNOTA将更好的性能。这个结果证明了增加算法将增强任务成功率。我们也可以发现DTTA达到最高性能增加的三个算法。这意味着BB重叠模型和PB重叠模型应该为TGR一起工作性能等的任何值阈值。此外,通过比较的性能 在图12, 在图11, 在图10,我们可以看到它们之间的差异非常小。确定该算法DTTA的稳定性。
7所示。结论和未来的工作
在这项研究中,我们调查了增加对抗环境中的无人机群的分配问题,提出了一个新颖的名叫DTTA增加任务分配算法。DTTA使用备份机制来提高任务成功的概率和BB和BP重叠模型适用于促进利用无人机。基于该模型,我们调查任务之间的重叠属性来避免碰撞。更重要的是,没有备份算法NBNOTA和两个算法,名叫NBBDTTA NBPDTTA,源自DTTA提出的基线。我们进行了广泛的模拟研究通过使用随机合成任务,表明DTTA对抗的环境中是一个可行的任务分配算法。不满载时环境、DTTA可以提高任务成功率约10%或更多(见200年代时间图的性能9 (b)),在不损害无人机使用的效率。
我们DTTA是第一个报道的文献中,因为DTTA需要分配算法,增加机制,重叠模型转换为协作思想。并实验验证了其优势。在未来的工作中,我们将加强任务和无人机模型更符合实际情况。此外,我们将算法应用到实际系统来处理真实任务破坏公差。
数据可用性
实验数据可以达到通过联系相应的作者((电子邮件保护))。
的利益冲突
作者宣称没有利益冲突的出版物。
确认
这项工作是由美国国家科学基金会支持的中国(71702186)、国防科技大学的科研项目(批准号ZK19-03),军队研究生研究项目(肯塔基州1204054419068号),并在湖南省研究生科研创新项目(批准号CX2018B021)。
引用
-
l .沈京,和w·南,“无人机任务规划技术的概述,<我>航空公司等宇航学报学报我>,35卷,不。3、593 - 606年,2015页。
视图: 谷歌学术搜索 -
“最长10范围无人机(uav),”2020年2月,https://www.airforce-technology.com/features/featurethe-top-10-longest-range-unmanned-aerial-vehicles-uavs/。
视图: 谷歌学术搜索